通過C#高效提取PDF文本的完整指南

更新時(shí)間：2025年08月20日 08:36:51 作者：咕白m625

在數(shù)字化辦公場(chǎng)景中,PDF文本提取需求頻繁出現(xiàn),手動(dòng)復(fù)制粘貼耗時(shí)低效,而傳統(tǒng)代碼方案常因依賴Adobe組件、處理加密文件困難等問題受阻,本文將深度解析如何通過國(guó)產(chǎn)Spire.PDF?for?.NET庫(kù)實(shí)現(xiàn)無依賴、高精度的PDF文本提取,需要的朋友可以參考下

導(dǎo)語

在數(shù)字化辦公場(chǎng)景中，PDF文本提取需求頻繁出現(xiàn)。手動(dòng)復(fù)制粘貼耗時(shí)低效，而傳統(tǒng)代碼方案常因依賴Adobe組件、處理加密文件困難等問題受阻。本文將深度解析如何通過國(guó)產(chǎn)Spire.PDF for .NET庫(kù)實(shí)現(xiàn)無依賴、高精度的PDF文本提取，并附完整代碼示例。

文本提取方案對(duì)比

傳統(tǒng)方案痛點(diǎn)	Spire.PDF解決方案
依賴Adobe Reader	完全自主內(nèi)核，無需安裝任何PDF組件
無法處理加密文件	支持密碼保護(hù)PDF的文本提取
代碼復(fù)雜度 ★★★★☆	代碼復(fù)雜度 ★★☆
開發(fā)文檔碎片化	提供完整的API文檔和中文技術(shù)社區(qū)支持

實(shí)戰(zhàn)教程：三步實(shí)現(xiàn)PDF文本提取

1. 環(huán)境準(zhǔn)備

通過NuGet安裝庫(kù)：

Install-Package Spire.PDF

免費(fèi)版

Install-Package FreeSpire.PDF

2. 提取文本核心代碼實(shí)現(xiàn)

using System.IO;
using Spire.Pdf;
using Spire.Pdf.Texts;

namespace ExtractTextFromPage
{
    class Program
    {
        static void Main(string[] args)
        {
            // 加載PDF文件
            PdfDocument doc = new PdfDocument();
            doc.LoadFromFile("示例.pdf");

            // 獲取指定頁(yè)面
            PdfPageBase page = doc.Pages[1];

            // 創(chuàng)建PdfTextExtractot 對(duì)象
            PdfTextExtractor textExtractor = new PdfTextExtractor(page);

            // 設(shè)置提取頁(yè)面上所有文本
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            extractOptions.IsExtractAllText = true;

            // 從所選頁(yè)面中提取文本
            string text = textExtractor.ExtractText(extractOptions);

            // 將提取的文本寫入 TXT 文件
            File.WriteAllText("提取指定頁(yè)面文本.txt", text);
        }
    }
}

關(guān)鍵參數(shù)說明：

PdfTextExtractor：表示PDF文本提取器
PdfTextExtractOptions：表示文本提取自定義選項(xiàng)
ExtractText(): 從指定頁(yè)面提取文本

3. 高級(jí)應(yīng)用技巧

加密文件處理：
使用LoadFromFile(fileName, ownerPassward)方法傳入密碼
提取所有頁(yè)面：
循環(huán)遍歷每一個(gè)頁(yè)面 foreach (PdfPageBase page in pdf.Pages)
特定區(qū)域提取：通過ExtractArea設(shè)置提取區(qū)域

//創(chuàng)建一個(gè) PdfTextExtractOptions 對(duì)象
PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();

//設(shè)置矩形區(qū)域范圍
extractOptions.ExtractArea = new RectangleF(0, 0, 870, 150);